夜雨聆风十五年前，一位前辈跟我说了一句话，直接干碎了我对AI的认知。
他说：神经网络之所以能行得通，本质上是在做一件事——manifold拟合。
我当时点头如捣蒜，假装听懂了。
现在我才明白：世界虽然看起来乱七八糟，高维得让人头疼，但真正重要的信息，其实都缩在一个低维的“骨架”上。AI不用学整个世界，它只需要把这个骨架摸清楚，就能解释世界的八九成。
就像一张照片，你不需要记住每一个像素点，存成JPG就行，肉眼根本看不出来压缩过。
AI就是这个JPG压缩器。
但问题来了，没有哪个JPG是百分百还原的。
你放大看，总有地方糊了。
AI解释不了的那些点，我管它叫“噪点”。
噪点平时不显眼，毕竟一张图糊几个像素，没人盯着看。
可一旦有人发现了这些噪点，就相当于发现了AI的软肋。
2017年，AlphaGo把世界围棋冠军杀得找不着北，让两三个子还能赢，人类顶尖棋手集体自闭。
所有人都觉得，围棋这道题已经被AI做完了。
五年后，有人发了一篇论文，找到了一种专门针对AI围棋盲点的下法。
结果你猜怎么着？用这个方法，连业余菜鸡都能在让多个子的情况下干翻顶级AI。
不是人类变强了。是人类终于找到了AI那张JPG上糊掉的那几个像素。
这事儿细想起来挺黑色幽默的。
人类花了三千年研究围棋，总结定式、推演棋谱，以为自己在下围棋。
AI来了，它不走定式，它就是算。
结果人类打不过了，心服口服，认定AI就是围棋之神。
结果回头一看，AI学的那玩意，根本就不是完整的围棋，它只是学到了一个极其高效、极其压缩的“围棋速通攻略”。
这攻略在99.99%的情况下是无敌的，偏偏有0.01%的走法，它压根没见过，不知道该怎么接。
人类之前打不过AI，是因为老老实实在AI的赛道上跟它比赛车。后来发现旁边有条泥巴小路，一拐进去，AI的车当场报废。
这就是人类能够战胜AI的野路子！
这就回到了那位大佬的话：AI本质上是manifold拟合。
它强大的根源，同时也是它脆弱的根源。
它学到的是一个压缩后的世界模型，而不是世界本身。
这个模型越紧凑、越高效，就越意味着它丢弃了大量“不那么重要”的信息。
而那些被丢弃的信息，就是AI的阿喀琉斯之踵。
而且关键在于——这种盲点不是“一个”，是“无穷多个”。
因为高维空间里，流形之外的点根本数不过来。
AI把主路修得再宽，外面还有无数条小路它碰都没碰过。
这对你意味着什么？
每次AI浪潮一来，就有人喊“完了，人要没用了”。
但你仔细看围棋的例子：最顶尖的AI，被一个业余玩家用“歪门邪道”干翻了。
根本就不是AI太强，而是我们之前没找对地方。
AI再强，但它学的是规律。
而你，作为一个人，活在规律和规律之间的缝隙里。
那些缝隙，这个世界上没人关心、没人总结、没人写进教科书的东西，恰恰是你未来最大的安全区。
智者千虑，必有一失。
AI千算万算，总有点它算不到的。抓住它的“一失”，就够了。
你不需要跟AI在主路上比赛车，这个赛道你跑断腿都追不上它。
你只需要在它旁边好好找一条野路子来走，AI就追不上你了。
